linear algebraalgebracalculatorguide

固有値と固有ベクトル計算機：ステップバイステップガイド

September 15, 2026·13 min read·Solvify Team

固有値と固有ベクトル計算機は、正方行列Aに対してAv = λvを満たすスカラーλと非ゼロベクトルvを見つけます。特性方程式det(A - λI) = 0を使用して固有値を解き、その後逆代入して各固有ベクトルを求めます。固有値と固有ベクトルは、線形変換がどのように空間を拡張、縮小、または反射するかを明らかにします。これらは、主成分分析から構造振動分析、さらにはGoogleのPageRankアルゴリズムまで、多くの手法の基礎となっています。このガイドでは、実際の計算を通じて完全な方法をステップバイステップで説明し、一般的な2×2行列と対角・三角行列のショートカットの両方を扱い、完全な解答を含む練習問題を取り上げています。

固有値と固有ベクトルとは？

固有値と固有ベクトル計算機は、1つの中核的な方程式に基づいています。n×n正方行列Aについて、Avに v を掛けた結果がvと同じ方向を指すベクトルになる場合、非ゼロベクトルvは固有ベクトルと呼ばれます。その結果は、スカラー倍になっているだけです。そのスカラーをλ（ラムダ）で表します。すなわち、Av = λv（v ≠ 0）です。式を整理すると(A - λI)v = 0となります。ここでIはAと同じサイズの単位行列です。これは斉次線形システムであり、行列(A - λI)が特異行列（行列式がゼロ）の場合にのみ、非ゼロ解vを持ちます。この唯一の要件det(A - λI) = 0を特性方程式と呼び、これを解くことがAのすべての固有値を求める第一段階です。行列Aがn個の線形独立な固有ベクトルを持つ場合、これらの固有ベクトルを行列Pの列として組み立てることができ、AはA = PDP⁻¹として書き直すことができます。ここでDは対応する固有値を保持する対角行列です。このプロセスは対角化と呼ばれ、固有値と固有ベクトルを別々にではなく一緒に研究する主な理由です。Aの「固有分解」は、この2つの部分の両方を持つ場合にのみ可能です。

Av = λv：固有ベクトルvは変換Aの下で方向を変えません。スカラー固有値λによってのみ拡張、縮小、または反転されるだけです。

固有値と固有ベクトル計算機はステップバイステップでどのように求めるか？

ステップバイステップの固有値と固有ベクトル計算機は常に同じ4段階のプロセスに従います。行列が2×2でも6×6でも同じです。サイズによって変わるのは、各段階に必要な計算量だけです。すべての行列がこのようにきれいに振る舞うわけではありません。繰り返される固有値は、独立な固有ベクトルの完全なセットを持つか、期待より少ない独立な固有ベクトルを持つかがあります。これを欠陥行列と呼びます。非対称実行列は複素な共役固有値対を生成し、複素固有ベクトルを持つことができます。固有値と固有ベクトル計算機は、同じ特性方程式法ですべての3つのケースを処理します。ステップ2に達した後、結果の解釈が変わるだけです。

1. ステップ1 — 特性方程式を構築する

Aの各対角要素からλを引いて(A - λI)を形成し、その行列式をゼロに設定します。det(A - λI) = 0。この行列式を展開すると、特性多項式と呼ばれるλについての多項式が得られます。

2. ステップ2 — 特性多項式をλについて解く

因数分解または二次公式（2×2行列の場合）または多項式因数分解法（より大きい行列の場合）を使用して、すべての根を求めます。各根はAの1つの固有値です。n×n行列は、重複度を含めて正確にn個の固有値を持ち、繰り返しまたは複素数を含むことができます。

3. ステップ3 — 各固有値を逆代入して固有ベクトルを求める

各固有値λについて、(A - λI)v = 0に代入し、結果の線形システムをvについて解きます。構築上det(A - λI) = 0なので、このシステムは常に無限に多くの解を持ちます。これを満たす最も簡単なゼロ以外のベクトルを選択してください。

4. ステップ4 — Av = λvで検証する

元の行列Aに見つけた固有ベクトルvを掛け、その結果がλ掛けるvに等しいことを確認します。このチェックは、算術エラーが最終的な答えに広がる前にそれを捕捉します。

5. ステップ5 — 余因子展開を使用してより大きな行列を処理する

3×3以上の行列の場合、det(A - λI)は行または列に沿った余因子（小行列式）展開を使用して展開され、行列式はλを含む符号付きのより小さい行列式の合計に変わります。結果はλについてのn次多項式です。対角線または三角形のショートカットが適用されない場合は、展開された多項式の定数項を使用して有理根を最初に探し、見つけた各根を因数分解してから、残りの二次または一次因数を解きます。

すべての固有値問題は2つのステップに還元されます。λについてdet(A - λI) = 0を解いてから、vについて(A - λI)v = 0を解きます。

実例：2×2行列の固有値と固有ベクトルを求める

A = [[4, 1], [2, 3]]を考えます。これは2つの異なる実固有値を持つ標準的な2×2行列であり、完全な方法の最初のきれいな例を作ります。

1. ステップ1 — 特性方程式を設定して展開する

(A - λI) = [[4-λ, 1], [2, 3-λ]] det(A - λI) = (4-λ)(3-λ) - (1)(2) = λ² - 7λ + 12 - 2 = λ² - 7λ + 10

2. ステップ2 — 因数分解して固有値を求める

λ² - 7λ + 10 = (λ - 5)(λ - 2) = 0、したがってλ₁ = 5およびλ₂ = 2です。

3. ステップ3 — λ₁ = 5の固有ベクトルを求める

(A - 5I) = [[-1, 1], [2, -2]] 第1行は-x + y = 0を与え、y = xです。x = 1を選択すると、固有ベクトルv₁ = (1, 1)が得られます。

4. ステップ4 — λ₂ = 2の固有ベクトルを求める

(A - 2I) = [[2, 1], [2, 1]] 第1行は2x + y = 0を与え、y = -2xです。x = 1を選択すると、固有ベクトルv₂ = (1, -2)が得られます。

5. ステップ5 — 両方の結果を検証する

Av₁ = [4(1)+1(1), 2(1)+3(1)] = [5, 5] = 5(1, 1) ✓ Av₂ = [4(1)+1(-2), 2(1)+3(-2)] = [2, -4] = 2(1, -2) ✓ 両方の固有ペアが確認できます。

6. ステップ6 — 行列が対角化可能であることを確認する

両方の固有値が実数で異なるため、Aは対角化可能です。v₁とv₂をP = [[1, 1], [1, -2]]の列として組み立て、D = [[5, 0], [0, 2]]により、元の行列がA = PDP⁻¹を通じて復元されます。2つの異なる固有値を持つすべての2×2行列は、この方法で対角化可能であることが保証されています。

7. ステップ7 — トレースと行列式を使用したクロスチェック

2つの簡単なサニティチェックはすべての正方行列に対して機能します。固有値の合計は常にAのトレース（対角要素の合計）に等しく、固有値の積は常にdet(A)に等しくなります。ここでは、5 + 2 = 7がtrace(A) = 4 + 3 = 7に一致し、5 × 2 = 10がdet(A) = (4)(3) - (1)(2) = 10に一致します。これにより、両方の固有値が正しいことが確認できます。

結果：A = [[4,1],[2,3]]は固有値λ₁ = 5（固有ベクトル(1, 1)）とλ₂ = 2（固有ベクトル(1, -2)）を持ちます。

対角行列または三角行列の固有値をどのように求めるか？

対角行列と三角行列は、特性方程式の計算をまったくスキップするショートカットを提供します。それらの固有値は、主対角線上に位置するエントリーです。これは、λを三角行列の対角線から引いても三角形のままであり、三角行列の行列式は単にその対角要素の積であるためです。

1. ステップ1 — 対角行列から固有値を直接読む

D = [[3, 0, 0], [0, -1, 0], [0, 0, 5]]について、det(D - λI) = (3-λ)(-1-λ)(5-λ)となるため、固有値はλ = 3、λ = -1、λ = 5です。消去は不要です。対応する固有ベクトルは標準基底ベクトル(1,0,0)、(0,1,0)、(0,0,1)です。

2. ステップ2 — 上三角行列に同じショートカットを適用する

T = [[2, 4, 1], [0, 5, 3], [0, 0, -3]]について、λを引いた後も行列は上三角のままであるため、det(T - λI) = (2-λ)(5-λ)(-3-λ)です。固有値は対角エントリー：λ = 2、λ = 5、λ = -3です。

3. ステップ3 — 三角行列の固有ベクトルを後退代入で求める

Tでλ = 5の場合：(T - 5I) = [[-3, 4, 1], [0, 0, 3], [0, 0, -8]]。第2行は3z = 0を与え、z = 0です。第1行は-3x + 4y + z = 0を与え、-3x + 4y = 0です。y = 3を選択するとx = 4が得られ、v = (4, 3, 0)となります。

4. ステップ4 — 三角行列の固有ベクトルを検証する

Tv = [2(4)+4(3)+1(0), 5(3), -3(0)] = [20, 15, 0] = 5(4, 3, 0) ✓、これによりλ = 5が固有ベクトル(4, 3, 0)と正しく対応することが確認されます。

5. ステップ5 — ショートカットが速さ以上の意味を持つ理由を理解する

このショートカットは単なる便宜以上のものです。AをLU分解などで三角または対角行列Dに変換できる場合、Aの大きな累乗を計算するのに必要な場合（漸化式や微分方程式システムの解決に必要）、Dの累乗を計算することに還元され、これは単に各対角エントリーをその累乗に引き上げることを意味します。

ショートカット：任意の対角または三角行列について、固有値は正確に対角エントリー（d₁-λ)(d₂-λ)⋯(dₙ-λ)に等しいです。

固有値と固有ベクトルは幾何学的に何を意味するか？

行列Aを、空間内のすべての点を移動する変換として描像してください。ほとんどのベクトルはAを適用するとき新しい方向に押されますが、固有ベクトルはAが回転しない特別な方向です。固有ベクトル方向に沿ったベクトルは、拡張、圧縮、または反転されるだけであり、決して回転されません。固有値λはその程度を正確に示します。|λ| > 1は固有ベクトル方向を拡張し、0 < |λ| < 1はそれを原点に向かって圧縮し、負のλはそれを反対方向に反転させながらも同じ直線上にあります。上記の2×2の例では、(1, 1)を通る原点の直線に沿ったすべてのベクトルはAの下で係数5だけ拡張され、(1, -2)を通る直線に沿ったすべてのベクトルは係数2だけ拡張されます。平面内のその他のベクトルはこれら2つの方向の組み合わせなので、Aの繰り返した適用下でのその経路は、より大きな固有値により支配される傾向があります。これは、Markovチェーン収束とPageRankのような反復アルゴリズムを支配する同じ考えです。すべての行列が空間全体に張られるのに十分な独立した固有ベクトル方向を持つわけではありません。その場合、対角行列Dで正確に表現することはできず、数学者は代わりにJordan形式と呼ばれる関連する構造を扱います。これは、繰り返される固有値が時々トラブルを引き起こす幾何学的な理由です。2つの方向が1つの軸に折りたたまれ、n×n行列が対角化する独立な方向がn個未満になることがあります。

1. 簡単な例 — 反射行列

A = [[0, 1], [1, 0]]について、det(A - λI) = λ² - 1 = 0を解くとλ = 1とλ = -1が得られます。λ = 1の固有ベクトルは(1, 1)です。直線y = xで、Aはそれを完全に手つかずのままにします。λ = -1の固有ベクトルは(1, -1)で、Aが端から端に反転する直線です。これはまさに行列がその幾何学的な名前をどのように獲得するかです。それは平面をy = x線を横切って反射し、2つの固有値（1と-1）は「保持」と「反転」の方向を正確に捕捉します。

幾何学的には、固有ベクトルは変換が尊重する軸です。固有値は、各軸に沿ってどのくらい拡張、縮小、または反転するかです。

固有値と固有ベクトルが実際の応用にどのように現れるか？

固有値と固有ベクトルは単なる線形代数の練習ではなく、エンジニアリング、データサイエンス、物理学で毎日使用されるいくつかのツールの数学的なバックボーンです。以下の各ケースでは、上記のセクションからの同じ特性方程式法が出発点です。分析される行列のみが変わります。

1. 主成分分析（PCA）

データサイエンティストは、データセットの共分散行列の固有ベクトルを計算して最大分散の方向を見つけ、次に最大固有値を使用してどの方向（主成分）が次元削減のために最も多くの情報をキャプチャするかを決定します。

2. 構造および機械的振動分析

エンジニアは、構造の自然振動周波数を剛性/質量システムの固有値としてモデル化し、固有ベクトルは対応するモード形状を説明します。これは、構造が各周波数でどのように物理的に曲がるかを示します。

3. 検索ランキングアルゴリズム

Googleのオリジナルのページランクアルゴリズムは、Webのリンク構造から構築された行列の支配的な固有ベクトルを使用してWebページをランク付けします。その固有ベクトルはランダムサーファーの長期的な定常状態分布を表します。

4. 力学システムの安定性

微分方程式および制御理論では、システムの固有値の符号と大きさは、システムが平衡に戻るか、振動するか、または時間の経過とともに成長し続けるかを決定します。

これらのアプリケーションはすべて、このガイドが回答する同じ質問に還元されます。どの方向が行列を尊重し、それぞれをどのくらいスケールするか？

固有値と固有ベクトルを計算するときの一般的な間違い

手計算で実行されるほとんどの誤った固有値と固有ベクトル計算の理由となる間違いはわずかです。最終的な答えを信頼する前に、特にこれら5つに注意してください。

1. 間違い1 — すべてのエントリーからλを引く（対角線だけではなく）

A - λIを形成するとき、Aの対角要素のみがλを引いて変わります。元の行列の対角以外のエントリーは正確に同じままです。

2. 間違い2 — 固有ベクトルを一意であると扱う

固有ベクトルはゼロ以外のスカラー倍数までのみ定義されます。(1, 1)、(2, 2)、(-3, -3)はすべて同じ固有値の有効な固有ベクトルです。正しい固有ベクトルはなく、正しい方向のみです。

3. 間違い3 — より大きな行列式を展開するときの符号エラー

3×3以上の行列については、余因子展開には交互の符号が関係します。マイナス符号を削除またはずらすことは、誤った特性多項式の単一の最も一般的な原因です。

4. 間違い4 — 非三角行列への対角線ショートカットの適用

「固有値は対角エントリーに等しい」ショートカットは、対角行列と三角行列にのみ当てはまります。[[4,1],[2,3]]のような一般的な行列の場合、対角エントリー4と3は固有値ではありません。特性方程式全体が必要です。

5. 間違い5 — 固有値は実数でなければならないと仮定する

非対称行列は複素な共役固有値対を持つことができ、元の行列のすべてのエントリーが実数であっても、複素エントリーの固有ベクトルを持つことができます。これは回転に似た行列で最もよく現れるため、特性多項式が実根を持たないからといって結果を破棄しないでください。代わりに複素数で解きます。

固有ベクトルの間違いをキャッチする最速の方法は、先に進む前にAvを再計算し、それが本当にλvに等しいかどうかを確認することです。

練習問題：固有値と固有ベクトルの理解をテストする

これら3つの問題に取り組み、下記の回答と手順を比較します。

1. 問題1 — A = [[1, 2], [2, 1]]の固有値と固有ベクトルを求める

回答：det(A-λI) = (1-λ)² - 4 = λ² - 2λ - 3 = (λ-3)(λ+1) = 0、したがってλ₁ = 3とλ₂ = -1です。λ₁ = 3について：(A-3I) = [[-2,2],[2,-2]]はx = yを与えるため、v₁ = (1,1)です。λ₂ = -1について：(A+I) = [[2,2],[2,2]]はx = -yを与えるため、v₂ = (1,-1)です。

2. 問題2 — 上三角行列U = [[6, 2], [0, -2]]の固有値を求める

回答：Uは三角形式なので、その固有値は対角線から直接読み取られます。λ₁ = 6とλ₂ = -2です。特性方程式の計算は必要ありません。

3. 問題3 — v = (2, 1)はA = [[3, 4], [0, 1]]の固有ベクトルですか？

回答：Av = [3(2)+4(1), 0(2)+1(1)] = (10, 1)。vが固有ベクトルであるためには、(10, 1)は(2, 1)のスカラー倍数である必要があります。しかし10/2 = 5一方1/1 = 1です。比率が一致しないため、v = (2, 1)はAの固有ベクトルではありません。

4. 問題4 — 上三角行列M = [[2, 1, 0], [0, 2, 5], [0, 0, 7]]の固有値を求める

回答：Mは上三角形式なので、その固有値は対角エントリーです。λ = 2（対角線の2つの位置で現れるため、多重度2）とλ = 7です。λ = 2のような繰り返された固有値はまさに、λ = 2で2つの独立した固有ベクトルが存在するか1つだけかを別途確認する必要があるケースです。この区別はMが対角化可能かどうかを決定します。

与えられたベクトルが固有ベクトルであるかどうかを確認するのは簡単です。Avを計算し、すべての成分が同じ定数によってスケーリングされるかどうかを確認します。

ステップバイステップの練習に固有値と固有ベクトル計算機を使用する理由は？

手で固有値を計算するのは2×2行列では速いのですが、3×3以上のシステムでは計算量が急速に増加し、特性多項式の単一の符号エラーが、その後に続くすべての固有値と固有ベクトルを台無しにします。各段階を示す固有値と固有ベクトル計算機（特性方程式、因数分解された多項式、およびすべての固有ベクトルの逆代入）により、最終的な答えが一致するかどうかだけを確認する代わりに、自分の作業を行ごとにチェックできます。SolvifyのステップバイステップソルバーとAI数学チューターは、特性方程式、行列式、および固有ベクトルの逆代入を、このガイドが行うのと同じ方法で説明するため、宿題を確認したり、試験の準備をしたり、特定の行列で立ち往生している場合、推論のステップを失うことなく詳細に確認できます。これは、線形代数コースの途中で特に有用です。固有値問題は、関連するガイドで説明されている行列操作、行列式、および行削減に直接基づいているためです。

タグ: